Cargamos las librerias:
library(dplyr)
library(sf)
library(DT)
library(plotly)
library(leaflet)
library(raster)
# Carga de datos de primates
primates <-
st_read(
"https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/gbif/primates-cr-registros.csv",
options = c(
"X_POSSIBLE_NAMES=decimalLongitude",
"Y_POSSIBLE_NAMES=decimalLatitude"
),
quiet = TRUE
)
# Carga geoespacial de cantones
cantones <-
st_read(
"https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/ign/delimitacion-territorial-administrativa/cr_cantones_simp_wgs84.geojson",
quiet = TRUE
)
# Carga geoespacial de provincias
provincias <-
st_read(
"https://raw.githubusercontent.com/gf0604-procesamientodatosgeograficos/2021i-datos/main/ign/delimitacion-territorial-administrativa/cr_provincias_simp_wgs84.geojson",
quiet = TRUE
)
# Asignación de CRS
st_crs(cantones) = 4326
st_crs(primates) = 4326
# Cruce espacial con la tabla de cantones, para obtener de esta forma el nombre del canton
primates <-
primates %>%
st_join(cantones["canton"])
# Suma de las especies para creación del gráfico de pastel más adelante
suma_especies <- primates %>% count(species)
En este trabajo vamos a crear un gráfico, una tabla, y un mapa con los datos de los primates en Costa Rica, con el fin de visualizarlos de mejor manera.
# Se crea la data con el total de especies
data <- suma_especies [, c('species', 'n')]
# Creación del gráfico
fig <- plot_ly(data,
labels = ~ species,
values = ~ n,
type = 'pie')
fig <-
fig %>% config(locale = "es")%>%
layout(
title = 'Cantidad de registros de especies de primates en Costa Rica',
xaxis = list(
showgrid = FALSE,
zeroline = FALSE,
showticklabels = FALSE
),
yaxis = list(
showgrid = FALSE,
zeroline = FALSE,
showticklabels = FALSE
)
)
# Se utiliza el fig para la ejecución del gráfico
fig